Building Modern Systems Theory and Implementation

Creación de sistemas modernos: teoría e implementación

Instructor:
Hamas Ur Rehman
Visitando la facultad, Uet Peshawar

---

Tabla de contenido

1. Descripción general del curso
2. Requisitos previos
3. Esquema del curso
   • Módulo 1: Sistemas de IA avanzados
   • Módulo 2: AI generativo y modelos de lenguaje grande (LLMS)
   • Módulo 3: API - Teoría e implementación práctica
   • Módulo 4: Construir un chatbot con LLMS
   • Módulo 5: Iniciar sesión en aplicaciones
   • Módulo 6: Variables de entorno y gestión de secretos
   • Módulo 7: Almacenamiento de chats en MongoDB
   • Módulo 8: Bases de datos vectoriales y ChromadB
   • Módulo 9: API de configuración y alojamiento del servidor local
   • Módulo 10: Docker para aplicaciones modernas
   • Módulo 11: Control de versiones con Git
   • Módulo 12: Prueba de API con Pytest y Postman
   • Módulo 13: Implementación en la nube con Azure

---

Descripción general del curso

Construyendo sistemas modernos: la teoría e implementación es un curso integral que profundiza en el diseño y el desarrollo de sistemas computacionales avanzados. Cierre la brecha entre los fundamentos teóricos y las aplicaciones prácticas, equipando a los estudiantes con el conocimiento y las habilidades para construir sistemas inteligentes, escalables y eficientes.

Las técnicas de inteligencia computacional , como el aprendizaje automático y la inteligencia artificial, son parte integral del diseño moderno del sistema, lo que permite a los sistemas tomar decisiones informadas, adaptarse a entornos cambiantes y resolver problemas complejos de forma autónoma.

---

Requisitos previos

Los estudiantes que se inscriben en este curso deben tener conocimiento previo de:

• Programación orientada a objetos (OOP)
• Conceptos generales de programación

---

Esquema del curso

Módulo 1: Sistemas de IA avanzados

• Teoría:
  • Introducción a los sistemas AI avanzados
  • Descripción general de las tecnologías y aplicaciones de IA
  • Evolución de los sistemas de IA

Módulo 2: AI generativo y modelos de lenguaje grande (LLMS)

• Teoría:
  • Introducción a la IA generativa
  • Comprender los modelos de idiomas grandes (LLM) como GPT
  • Aplicaciones de LLM en proyectos del mundo real
• Práctico:
  • Estudio de caso: Análisis de un proyecto con LLM integrado (por ejemplo, Instantalfred en InsurancEmarket.ae)

Módulo 3: API - Teoría e implementación práctica

• Teoría:
  • Introducción a las API y su importancia
  • Tipos de API: REST, GraphQL, etc.
  • Las mejores prácticas para el diseño de API
• Práctico:
  • Implementación de API en Python
  • Creación y prueba de API utilizando Postman

Módulo 4: Construir un chatbot con LLMS

• Teoría:
  • Componentes de un chatbot
  • Cómo se usan los LLM en chatbots
• Práctico:
  • Implementación de Python de un pequeño chatbot usando un LLM

Módulo 5: Iniciar sesión en aplicaciones

• Teoría:
  • Por qué registrar es crucial para las aplicaciones
  • Las limitaciones de las declaraciones de impresión para la depuración
• Práctico:
  • Implementación de registro en Python
  • Las mejores prácticas de registro

Módulo 6: Variables de entorno y gestión de secretos

• Teoría:
  • Introducción a las variables y secretos del medio ambiente
  • Importancia de almacenar de forma segura datos confidenciales en aplicaciones
• Práctico:
  • Configuración de variables de entorno y secretos en Python
  • Uso de archivos .env de forma segura en proyectos

Módulo 7: Almacenamiento de chats en MongoDB

• Teoría:
  • Introducción a las bases de datos NoSQL (MongoDB)
  • Casos de uso de MongoDB en aplicaciones de chat
• Práctico:
  • Almacenar conversaciones de chatbot en una base de datos MongoDB
  • Recuperando chats almacenados de MongoDB

Módulo 8: Bases de datos vectoriales y ChromadB

• Teoría:
  • Introducción a las bases de datos vectoriales
  • El papel de las bases de datos de vectores en aplicaciones impulsadas por IA
  • Descripción general de ChromAdB y sus casos de uso
• Práctico:
  • Implementación de ChromAdB en un proyecto
  • Explorando otras bases de datos de vectores y sus capacidades

Módulo 9: API de configuración y alojamiento del servidor local

• Teoría:
  • Comprender los servidores locales y su papel en el desarrollo
  • Alojamiento de API localmente para pruebas
• Práctico:
  • Configuración de un servidor local
  • Pruebas de API en entornos locales

Módulo 10: Docker para aplicaciones modernas

• Teoría:
  • Introducción a Docker y contenedorización
  • Beneficios del uso de Docker en desarrollo y producción
• Práctico:
  • Creación y ejecución de un contenedor Docker para el proyecto del curso

Módulo 11: Control de versiones con Git

• Teoría:
  • Introducción a Git y Control de Versiones
  • Comprender las ramas, cometer y fusionar
• Práctico:
  • Experiencia práctica con Git
  • Gestión de versiones de proyectos utilizando GitHub

Módulo 12: Prueba de API con Pytest y Postman

• Teoría:
  • Introducción a las pruebas automatizadas con Pytest
  • Importancia de las pruebas de API
• Práctico:
  • Escribir pruebas unitarias para API usando Pytest
  • Automatizar pruebas para API con Postman

Módulo 13: Implementación en la nube con Azure

• Teoría:
  • Introducción a las plataformas en la nube (Azure, AWS, GCP)
  • Beneficios de la implementación en la nube
• Práctico:
  • Desplegar contenedores Docker para Azure
  • Explorando los servicios de Azure para sistemas de IA escalables

---